Índice:
- Definição - O que significa o mapa auto-organizado (SOM)?
- Techopedia explica o mapa auto-organizado (SOM)
Definição - O que significa o mapa auto-organizado (SOM)?
Um mapa auto-organizado (SOM) é um tipo de rede neural artificial que usa aprendizado não supervisionado para construir um mapa bidimensional de um espaço problemático. A principal diferença entre um mapa auto-organizado e outras abordagens para a solução de problemas é que um mapa auto-organizado usa aprendizado competitivo em vez de aprendizado com correção de erros, como retropropagação com descida gradiente.
Um mapa auto-organizado pode gerar uma representação visual dos dados em uma grade hexagonal ou retangular. As aplicações incluem meteorologia, oceanografia, priorização de projetos e exploração de petróleo e gás.
Um mapa auto-organizado também é conhecido como um mapa de recurso auto-organizado (SOFM) ou um mapa de Kohonen.
Techopedia explica o mapa auto-organizado (SOM)
Um mapa auto-organizado é um tipo de rede neural artificial que tenta construir um mapa bidimensional de algum espaço problemático. O espaço problemático pode ser qualquer coisa, desde votos no Congresso dos EUA, mapas de cores e até links entre artigos da Wikipedia.
O objetivo é tentar espelhar a maneira como o córtex visual no cérebro humano vê objetos usando sinais gerados pelos nervos ópticos. O objetivo é fazer com que todos os nós da rede respondam de maneira diferente a diferentes entradas. Um mapa auto-organizado utiliza aprendizado competitivo, onde os nós se especializam.
Quando alimentados com dados de entrada, a distância euclidiana, ou a distância em linha reta entre os nós, que recebem um peso, é calculada. O nó na rede que é mais semelhante aos dados de entrada é chamado de melhor unidade correspondente (BMU).
À medida que a rede neural se move pelo conjunto de problemas, os pesos começam a parecer mais com os dados reais. A rede neural assim se treinou para ver padrões nos dados da mesma maneira que um humano vê.
A abordagem difere de outras técnicas de IA, como aprendizado supervisionado ou aprendizado de correção de erros, mas sem o uso de sinais de erro ou recompensa para treinar um algoritmo. Assim, um mapa auto-organizado é uma espécie de aprendizado não supervisionado.
